磷酸鐵鋰電池SOC估算研究

　　1）1/2C、1/3C和1/5C倍率下有較明顯的2個(gè)峰值位置出現，類(lèi)似于圖2所示的特性曲線(xiàn)；

　　2）1C、1/2C、1/3C和1/5C倍率的峰值位置對應電壓值依次偏大；

　　3）電池的容量集中在2個(gè)峰值附近充入，峰值對應電壓處在電池的電壓平臺上。

　　電池的歐姆壓降和極化電壓主要受到電流倍率的影響，不考慮極化電壓的累積，相同的SOC處電流倍率越大，其UR和UP均較大。將圖4的橫坐標更改為電池的SOC值，得出圖5。

圖5 不同充電倍率下的ΔSOC/SOC曲線(xiàn)

　　圖5所示的數據點(diǎn)依然是按照電壓每隔10mV選取，SOC通過(guò)精確校準過(guò)的安時(shí)積分得出?？梢杂^(guān)察到1/2C、1/3C和1/5C充電倍率下的峰值對應的SOC點(diǎn)為50%和85%。結合圖3可以看出1C倍率下電池的歐姆壓降和極化電壓較大，同時(shí)在恒流充電的過(guò)程中，電池內阻隨SOC變化而變化不大，即UR變化不大，所以圖4和圖5中1C倍率的第2個(gè)峰值消失的原因主要是極化電壓的變化，導致相同的電壓變化率下很難觀(guān)察出較高的充入容量值。另外通常的能量型電池充電倍率為1C以下，因此主要分析電池在正常充電倍率條件下的特征。

　　不同放電倍率下的ΔSOC/SOC曲線(xiàn)如圖6所示。

圖6 不同放電倍率下的ΔSOC/SOC曲線(xiàn)

　　可以觀(guān)察到1/2C、1/3C和1/5C放電倍率下的峰值對應的SOC點(diǎn)為80%和55%。但是由于放電電流在實(shí)際應用中不容易穩定，工況比較復雜，帶來(lái)的UR和UP的變化較難消除，會(huì )導致得到的ΔV值包含較大誤差。影響ΔQ/ΔV曲線(xiàn)峰值的修正SOC的準確性。

　　如果將BMS系統在線(xiàn)測量充電過(guò)程得到的電池電壓，去除內阻和極化的影響，描繪得到的ΔQ/ΔV曲線(xiàn)應該與圖2完全一致。也就表明不同倍率下得到的ΔQ/ΔV曲線(xiàn)的峰值對應的SOC值可以作為電池SOC準確修正的條件。尤其在LiFePO4電池電壓平臺很平的條件下，峰值幅度表現的更加明顯。

　　4.2 電池老化

　　電池的老化主要考慮電池的容量衰退和電池的內阻的增加。國內外對于鋰離子電池的容量衰退機制和內阻的增加原因有相關(guān)的研究，其中對于容量的下降，通常認為是在充放電過(guò)程中發(fā)生了不可逆的化學(xué)反應導致參與反應的鋰離子損失；對于電池內阻的增加，通常認為是電池的內部結構鈍化，如SEI膜的增厚，正負極結構的改變。

　　當電池老化以后，開(kāi)路電壓法和安時(shí)積分法的適用范圍沒(méi)有改變，但是對于人工神經(jīng)網(wǎng)絡(luò )法和卡爾曼濾波法影響較大，因為所建立的電池模型的參數已經(jīng)隨著(zhù)老化而改變，尤其是成組應用的電池的不一致性導致的老化軌跡的不同，使得模型的適用性降低，如神經(jīng)網(wǎng)絡(luò )需要重新訓練，卡爾曼算法依據的模型的參數需要改變。電池老化后的SOC的修正對于完善BMS的管理和延長(cháng)成組電池的壽命有重要意義。

　　由于ΔQ/ΔV曲線(xiàn)反應的是電池內部電化學(xué)的特性，電動(dòng)汽車(chē)通常規定電池容量低于額定容量的80%認為電池壽命終止。此時(shí)，電池內部主要的化學(xué)反應取決于反應物的濃度和電池系統內部的結構。

　　圖7描述了LiFePO4電池在DOD為100%的工作區間上循環(huán)200次后的ΔSOC/SOC特性，其容量衰退到額定容量的95%。

圖7 老化前后ΔSOC/SOC曲線(xiàn)的比較

　　200次循環(huán)后，被測試電池的容量保持能力有所下降，內部結構也有所變化，容量的增加集中在了第一個(gè)峰對應的SOC值處。與新電池時(shí)比較發(fā)現，第二個(gè)峰對應的充入容量明顯減少，這表明電池石墨負極的鋰離子嵌入能力下降，電流接受能力降低，極化電壓增大以及壽命下降。

　　4.3 修正電池SOC

　　BMS系統實(shí)時(shí)采集電池單體的電壓、電流，并通過(guò)分析階躍電流信號的電壓變化計算得到電池內阻。消除歐姆壓降UR的影響有助于得出變電流等優(yōu)化充電方法下的電壓變化值ΔV（恒流充電沒(méi)有影響），然后等間隔（例如每10mV）取得對應區間的安時(shí)積分值ΔQ。數學(xué)上判斷ΔQ/ΔV曲線(xiàn)的極值需要對曲線(xiàn)的函數求一階導數，實(shí)際使用中我們發(fā)現兩個(gè)極大值所處的電壓均有一定范圍。將電池從較低SOC點(diǎn)開(kāi)始充電并記錄充電過(guò)程的一組ΔQ值，通過(guò)簡(jiǎn)單的數據處理得到符合要求的兩個(gè)極大值（特殊的，在1C等極化嚴重的充電倍率下時(shí)僅一個(gè)極大值）。對照峰值點(diǎn)出現時(shí)的電壓值，判斷是否是第一個(gè)峰值點(diǎn)位置并給予記錄，當兩次或多次充電過(guò)程的峰值點(diǎn)記錄相同且與BMS記錄的SOC值相差8%以上（通常電動(dòng)汽車(chē)要求SOC精度8%左右），執行電池SOC的修正操作，記錄修正事件以便調試分析。

　　5 結論

　　提供了不同充電倍率、不同老化程度下可靠和準確的單體SOC分析方法，數據處理較人工神經(jīng)網(wǎng)絡(luò )和卡爾曼濾波等方法有較大優(yōu)勢。通過(guò)ΔQ/ΔV曲線(xiàn)進(jìn)行電池的SOC估算，可為目前基于開(kāi)路電壓的均衡提供更為準確的判斷條件（SOC等于50%的第一個(gè)峰值），從而有效解決電池組的在線(xiàn)均衡問(wèn)題，減小極限工作條件下對電池壽命的影響。同時(shí)準確快速的SOC估算為今后智能電池系統的管理控制策略提供依據。